●總序
論叢前言
章 引言
1.1 研究背景
1.1.1 行業背景
1.1.2 學術背景
1.1.3 研究意義
1.1.4 選題背景
1.2 數據挖掘與軟計算綜述
1.2.1 數據挖掘簡介
1.2.2 軟計算簡介
1.2.3 軟計算在數據挖掘中的應用
1.2.4 結論
1.3 數據挖掘在電力行業中的研究現狀
1.3.1 數據挖掘在電力行業中的應用
1.3.2 結論
1.4 本書結構與安排
1.4.1 本書內容
1.4.2 技術路線
1.4.3 研究方法
1.5 本書主要創新
第2章 時序數據約簡建模與應用
2.1 相關工作
2.2 多邊形逼近約簡
2.2.1 數學模型
2.2.2 理論證明
2.3 分段平均約簡模型
2.3.1 數學模型
2.3.2 理論證明
2.4 實時約簡算法
2.5 隨機投影降維
2.5.1 數學模型
2.5.2 理論證明
2.6 模型驗證試驗
2.6.1 發電廠運載參數實驗
2.6.2 實時分段平均算法實驗
2.7 本章小結
第3章 新型距離測度模型與電力價格突變預測
3.1 電力價格預測
3.1.1 相關工作簡述
3.1.2 電力價格預測方法論
3.2 電力價格突變
3.3 新型距離測度研究
3.3.1 動態時間彎曲
3.3.2 動態編程技術
3.4 快速動態時間彎曲
3.4.1 邊界定理
3.4.2 分段平均動態時間彎曲
3.4.3 驗證試驗
3.5 基於相似搜索的突變預測
3.5.1 相似性搜索
3.5.2 突變發生器驗證試驗
3.6 本章小結
第4章 雲特征挖掘模型與電價預測
4.1 雲模型基本概念
4.1.1 雲模型
4.1.2 雲的數字特征
4.1.3 雲發生器
4.2 雲模型特征發現算法
4.2.1 定義
4.2.2 特征獲取
4.3 帶有突變分析的電價預測模型
4.4 雲模型特征發現模型在電價突變中的應用
4.5 本章小結
第5章 容差粗集模型與客戶信用度分析
5.1 粗集的基本知識
5.1.1 信息表
5.1.2 不可分辨關繫
5.1.3 集合的下近似及上近似
5.1.4 約簡與核
5.1.5 決策繫統
5.2 容差粗集
5.3 遺傳算法與參數選擇
5.3.1 染色體表示
5.3.2 初始種群和適應函數選擇
5.3.3 遺傳操作
5.3.4 驗證實驗
5.4 容差粗集模型在電力用戶信用度分析中應用
5.4.1 電力客戶信用分析
5.4.2 基於容差粗集方法的客戶信用分析
5.5 本章小結
第6章 電力企業決策支持應用平臺實例
6.1 決策繫統建設目標和要求
6.1.1 知識的存貯和提取
6.1.2 分析任務管理
6.1.3 新知識的反饋和存貯
6.2 PEDSS的基本架構
6.2.1 知識獲取模塊
6.2.2 反饋環
6.2.3 數據／知識預處理模塊
6.2.4 知識倉庫存貯模塊
6.2.5 知識分析工作臺
6.2.6 通信管理
6.3 PEDSS平臺的技術設計
6.3.1 Web Services介紹
6.3.2 使用Web服務的優勢
6.4 繫統框架設計
6.4.1 用戶接口
6.4.2 知識分析工作臺
6.4.3 網絡通信
6.5 繫統實現
6.5.1 軟件配置
6.5.2 實例舉例
6.6 本章小結
第7章 結論與展望
7.1 本書的主要貢獻
7.2 未來研究重點
參考文獻
後記
內容簡介
本文主要包含七部分內容，分別為引言、時序數據約簡建模與應用、新型距離測度模型與電力價格突變預測、雲特征挖掘模型與電價預測、容差粗集模型與客戶信用度分析、電力企業決策支持應用平臺實例及結論與展望。
